声明
摘要
第1章绪论
1．1研究背景与意义
1．1．1研究背景
1．1．2实践意义
1．1．3学术价值
1．2国内外研究综述
1．3论文研究内容
1．4论文总体框架
1．5论文创新点
第2章SV族模型的主要形式
2．1 SV模型的基本形式
2．2 SV模型的主要扩展形式
2．2．2均值SV(SV-M)模型
2．2．3杠杆SV(ASV)模型
2．3本章小结
第3章SV族模型参数估计方法
3．1 SV族模型参数估计方法的演变
3．1．1似然函数法——伪似然估计(QML)方法
3．1．2矩估计方法——广义矩估计(GMM)
3．1．3 MCMC算法
3．2蒙特卡洛马尔可夫链MCMC算法
3．2．1基本理论
3．2．2蒙特卡洛马尔可夫(MCMC)方法
3．2．3 Metropolis-Hastings(M-H)抽样方法
3．2．4 Gibbs抽样方法
3．3SV族模型贝叶斯推断
3．3．1标准SV模型的贝叶斯推断
3．3．2 SV-t模型贝叶斯推断
3．3．3 SV-MN模型的贝叶斯推断
3．3．4 SV-MT模型的贝叶斯推断
3．3．5 ASV模型的贝叶斯推断
3．4本章小结
第4章MCMC算法的改进策略
4．1 MCMC算法的改进策略
4．2小波分析
4．2．1小波分析概述
4．2．2多分辨分析
4．2．3小波包分析
4．3 MCMC的并行抽样算法
4．3．2并行化策略的启发式算法
4．3．3块采样器
4．4本章小结
第5章实证研究
5．1模型比较指标构建
5．2数据选取以及小波分析
5．3 SV族模型MCMC算法与并行MCMC算法的对比实证
5．3．1 SV-N模型的对比实证研究
5．3．2 SV-t模型的对比实证研究
5．3．3 SV-MN模型的对比实证研究
5．3．4 SV-MT模型的对比实证研究
5．3．5 ASV模型的对比实证研究
5．3．6加速效率对比实证
5．4本章小结
第6章总结与展望
6．1总结
6．2不足与展望
参考文献
致谢
